Informatica - Recupero delle informazioni

Un nuovo framework migliora il confronto tra candidati nel recupero dati.

RaBitQ offre maggiore precisione e velocità per ricerche su dati ad alta dimensione.

GMASK offre una soluzione flessibile per la ricerca di somiglianza approssimativa in vari dataset.

Un nuovo approccio usa i LLM per migliorare efficacemente le raccomandazioni agli utenti.

Questo articolo parla di un metodo di ranking flessibile che usa embedding multivettoriali per avere risultati di ricerca migliori.

Un nuovo metodo migliora l'efficienza nei compiti di ranking dei documenti.

Un nuovo metodo per migliorare la riscrittura delle query senza dati etichettati.

LIFT migliora le raccomandazioni per gli utenti tenendo conto sia dei comportamenti passati che di quelli futuri.

Un dataset che semplifica le query sui Registri Elettronici della Salute tramite linguaggio naturale.

Un nuovo framework migliora il modo in cui i ricercatori trovano e usano le conoscenze accademiche.

Disimparare migliora la privacy nei sistemi di raccomandazione mantenendo alta la qualità delle raccomandazioni.

Questo articolo parla di come migliorare i sistemi di raccomandazione incorporando sia il feedback positivo che quello negativo degli utenti.

BankFair migliora i sistemi di raccomandazione per utenti e fornitori in mezzo a traffico variabile.

M-RAG migliora la generazione di testi attraverso un recupero delle informazioni efficiente.

Un nuovo metodo migliora le raccomandazioni di citazioni locali per i ricercatori.

Introducendo un framework per un recupero di informazioni equo e accurato senza etichette tradizionali.

Presentiamo DEMon, un sistema di monitoraggio decentralizzato per un edge computing efficiente.

Esplora come PG-RAG migliora il recupero di conoscenze per i modelli di linguaggio.

Un nuovo modo per migliorare le raccomandazioni multi-comportamentali.

Esplora come gli embedding testuali modellano l'elaborazione del linguaggio e migliorano la comprensione da parte delle macchine.

Un nuovo framework si concentra sul migliorare la qualità dei dataset per avere raccomandazioni migliori.

Come migliorare i bias nelle raccomandazioni usando le interazioni degli utenti.

Il framework CELL migliora la selezione delle interazioni delle funzionalità per raccomandazioni personalizzate.

Questo studio esamina come le misure congiunte valutano l'equità e la rilevanza nei sistemi di raccomandazione.

Uno studio su come il raggruppamento degli utenti migliora le prestazioni degli algoritmi di raccomandazione.

La ricerca rivela un metodo per migliorare le prestazioni dei modelli multi-modali affrontando le lacune di rappresentazione.

Un nuovo approccio per migliorare i modelli di previsione CTR riducendo le dimensioni e aumentando la velocità.

KALM4Rec migliora le raccomandazioni per i nuovi utenti usando metodi basati su parole chiave.

Un nuovo approccio per semplificare l'eDiscovery usando metodi grafici e modelli di linguaggio.

Un nuovo approccio migliora i sistemi di raccomandazione usando testi e immagini.

Un nuovo metodo per ridurre la polarizzazione mantenendo alta l'attenzione degli utenti.

Un nuovo benchmark per valutare i modelli di lingua francese migliora le capacità multilingue.

Un nuovo metodo migliora i suggerimenti delle query nei motori di ricerca usando modelli linguistici avanzati.

Un nuovo framework per addestrare sistemi di raccomandazione usando interazioni simulate degli utenti.

Un nuovo metodo migliora le raccomandazioni agli utenti filtrando le connessioni sociali.

Un nuovo metodo per etichettare con precisione le colonne delle tabelle utilizzando grafi della conoscenza e modelli linguistici.

Questo approccio migliora il confronto delle funzioni nel software attraverso i call graphlets.

Questo articolo esamina il bias di popolarità nei sistemi di raccomandazione e come i LLM possono aiutare.

Esplora il metodo innovativo di collegare le richieste degli utenti direttamente ai documenti.

Un nuovo metodo affronta il problema del cold-start nei sistemi di raccomandazione.